使用数据增强来提高对象探测器在远程传感昆虫陷图像上的概括能力
Jozsef Suto1,2
1Department of Informatics Systems and Networks, Faculty of Informatics, University of Debrecen, Kassai Street, 26, 4028 Debrecen, Hungary.
Sensors (Basel, Switzerland)
|July 27, 2024
概括
自动化昆虫害虫检测需要准确的模型,但数据很少. 这项研究使用数据增强增强了昆虫陷图像数据集,显著提高了YOLOv5模型的检测准确性.
科学领域:
- 农业昆虫学 农业昆虫学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 传统的昆虫监测依赖于手动检查粘性陷,这是劳动密集型和低效的.
- 使用计算机视觉模型自动检测昆虫害虫对现代农业至关重要,但由于训练数据有限,面临挑战.
研究的目的:
- 调查各种数据增强技术对昆虫害虫检测模型性能的影响.
- 为了评估结合几何,光度和马赛克增强策略的有效性,用于远程传感的昆虫陷图像.
主要方法:
- 系统地应用几何和光度数据增强技术,单独或组合,对两个不同的昆虫陷图像数据集.
- 使用YOLOv5 (小型) 物体检测模型来评估性能改进.
- 集成的光度转换与马赛克增强,以获得更好的结果.
主要成果:
- 增强方法的组合显著提高了模型的平均平均精度 (mAP50) 从0.844到0.992和0.421到0.727在两个数据集.
- 将光度变换集成到马赛克增强中进一步提高了mAP50值,达到0.999和0.756,超过了原生增强组合.
结论:
- 数据增强是克服昆虫害虫检测数据短缺的关键策略.
- 增强技术的优化组合,特别是那些将光度变换与马赛克增强相结合的技术,大大提高了YOLOv5用于自动化昆虫监测的准确性.
